Prevalence of Legal, Prescription, and Illegal Drugs Aiming at Cognitive Enhancement across Sociodemographic Groups in Germany
Notice bibliographique
Résumé
There has been speculation about a growing demand for substances used without medical need for cognitive enhancement (CE). Thus, the prevalence rates and the identification of sociodemographic groups at risk of this behavior need further description and constant monitoring. We conducted a nationwide web-based representative sample (N = 22,101) (regarding sex, age, education, and federal state) of the general adult population in Germany. Results show a high past twelve months prevalence of consuming caffeinated drinks for CE (62.4% of respondents), followed by food supplements and home remedies (31.4%), and caffeine tablets (2.5%). The twelve-month prevalence of CE with prescription drugs was 3.7% (lifetime: 5.5%), of whom 29.1% reported using them 40 or more times; 40.5% of all respondents indicated some future intake willingness. Cannabis was the most frequently reported illegal drug for CE (past twelve months: 4.0%; lifetime: 10.7%), followed by the category amphetamine and methamphetamine (past twelve months: 1.0%; lifetime: 2.4%), and cocaine (past twelve months: 0.9; lifetime: 2.4%). We also show variation in the prevalence across multiple ascribed and achieved sociodemographic characteristics. These results can inform public policy and prevention strategies regarding the continued monitoring of the prevalence of CE and the identification of groups at risk of drug misuse.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».